由 Yan Holtz，布里斯班昆士兰脑研究所
Python 目前是数据科学领域领先的编程语言，其次是 R [参考: KDnuggets]。数据可视化是这一领域的关键步骤，Python 在图形表示数据方面提供了 极大的可能性。然而，众多工具和文档的复杂性使得构建所需图表变得困难。
Python 图形画廊 是一个展示用 Python 制作的数百种图形的网站，始终提供可重复的代码片段。
400 张图形和 40 个部分
画廊目前提供大约 400 张不同的图表，组织在 40 个部分中。每个部分由设计师 Conor Healy 制作的徽标表示。颜色取决于图形的主题：分布、相关性、整体部分、地图、流程、演变……这种分类受到 图形连续体 的启发，应该可以帮助你快速找到所需的图表。
当然，大多数常见的图形类型如 条形图、散点图、箱线图 或 直方图 都在其中。但也有一些不那么常见的数据可视化类型，比如 棒棒糖 图、气泡 图、2D 密度 图或 词云。
从简单到复杂
一旦进入图表部分，会显示几个示例，从最简单到最复杂。通常，第一个示例描述输入数据集必须如何格式化，以及如何使用默认参数生成图形。提供了解释，代码被缩短到最少且逐行注释，这使得理解函数的工作原理变得容易。这里是一个关于 最简单的密度图 的概述：
示例会逐步引导你从非常基础的版本到高度自定义的图表。每个示例旨在解释一个特定的技巧，比如自定义颜色、翻转坐标轴、添加多个分组等等。在该部分的末尾，你将找到一些‘实际案例’，结合所有这些技巧，得到一个漂亮的自定义图形。
重点关注 Matplotlib 和 Seaborn
在制作 Python 图表时，存在许多库。我决定主要依赖Matplotlib和Seaborn，这两个工具目前是主要使用的工具。几乎所有类型的图表都可以用它们制作。当它们无法满足需求时，我会使用其他库，如用于地图的folium或用于网络的networkX。
请注意，Matplotlib 和 Seaborn 都有一个专门的页面，展示了适用于每种图表类型的通用技巧，如自定义坐标轴和标题、调用不同的主题、控制颜色等。这些页面可以帮助你快速找到我们容易忘记的日常代码片段。
访问此链接 here 获取代码。
结论
Python Graph Gallery展示了数百个图形，并希望能帮助你快速实现所需的图表。在这方面，它主要旨在从技术角度帮助用户。
然而，最终目标也是提高用户在数据可视化领域的知识：
-
通过访问该网站，你可能会发现适合你的数据的新型数据可视化选项。
-
每个部分都有一个简短的描述，解释何时建议使用该图表类型。
-
有时在部分底部会包括一个不良图表示例，警告你关于这种图表类型的常见错误。
该画廊是 Yan Holtz 在他的夜晚和假期期间开发的项目。因此，请对错误、不准确之处和英语语言错误宽容。任何错误或反馈都非常欢迎，通过 [email protected] 或推特： @R_Graph_Gallery 提供。最后但同样重要的是，请注意 Python 图形画廊有一个双胞胎姐妹网站：R graph gallery。
作者简介
Yan Holtz 是一位热衷的数据分析师和生物信息学家，目前在布里斯班的昆士兰脑研究所工作。他对数据可视化情有独钟，这使他建立了R和Python图表库。他可以通过以下方式联系到他：[email protected]。
相关内容：
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你所在组织的 IT 工作